# importar bibliotecas 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# carregar dataframe
sui = pd.read_csv('df_atualizada.csv')

# visualizar colunas sem omissão
pd.set_option('display.max_columns', None)
pd.set_option('display.max_colwidth', None)

# visualizar dataframe
sui.head()

	CODMUNNATU	CODMUNOCOR	CODMUNRES	NATURAL	CAUSABAS	IDADE	SEXO	RACACOR	ESTCIV	ESC	ESCFALAGR1	OCUP	suicidio	OCUP_INT	IDADE_INT	idade_real	CODMUNNATU_INT	NATURAL_INT	RACACOR_INT	ESTCIV_INT	ESC_INT	ESCFALAGR1_INT
0	120020	410690	120020	812	C258	460.0	2	1	2	3	11	999992.0	0	999992	460	60	120020	812	1	2	3	11
1	411610	120040	120040	841	B342	455.0	2	1	2	5	8	241005.0	0	241005	455	55	411610	841	1	2	5	8
2	412650	120040	120040	841	B342	485.0	1	1	2	3	11	354705.0	0	354705	485	85	412650	841	1	2	3	11
3	411190	110020	120040	841	B342	471.0	1	1	0	0	0	782510.0	0	782510	471	71	411190	841	1	0	0	0
4	412650	120040	120040	841	B342	479.0	2	1	2	4	12	0.0	0	0	479	79	412650	841	1	2	4	12

# definir novo dataframe
df = sui[[ 'suicidio', 'IDADE_INT', 'idade_real', 'CODMUNNATU_INT', 'CODMUNOCOR', 'CODMUNRES', 'NATURAL_INT', 'RACACOR_INT', 'ESTCIV_INT', 'ESC_INT', 'ESCFALAGR1_INT', 'CAUSABAS', 'SEXO', 'RACACOR', 'OCUP_INT']]

# exibir dataframe
df.head()

	suicidio	IDADE_INT	idade_real	CODMUNNATU_INT	CODMUNOCOR	CODMUNRES	NATURAL_INT	RACACOR_INT	ESTCIV_INT	ESC_INT	ESCFALAGR1_INT	CAUSABAS	SEXO	RACACOR	OCUP_INT
0	0	460	60	120020	410690	120020	812	1	2	3	11	C258	2	1	999992
1	0	455	55	411610	120040	120040	841	1	2	5	8	B342	2	1	241005
2	0	485	85	412650	120040	120040	841	1	2	3	11	B342	1	1	354705
3	0	471	71	411190	110020	120040	841	1	0	0	0	B342	1	1	782510
4	0	479	79	412650	120040	120040	841	1	2	4	12	B342	2	1	0

# Caminho onde deseja salvar o arquivo CSV localmente
file_path = '/Users/leonardozara/Documents/Suicidio/df_atualizada_2.csv'

# Salvar o DataFrame como um arquivo CSV
df.to_csv(file_path, index=False)  # Use index=False para não incluir o índice no arquivo CSV

Modelo de Árvore de decisão

# definindo variáveis para as variáveis dependentes e independentes (target e data)
from sklearn import tree

# carregando dataframe para modelo de previsao
dataframe = pd.read_csv('df_atualizada_2.csv')

df = dataframe.drop('CAUSABAS', axis=1)

# definindo as variaveis dependente (y) e independentes (X)
X = df.drop('suicidio', axis=1) 
y = df['suicidio']

# Dividir o conjunto de dados em treinamento e teste
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# treinar classificador
clf = tree.DecisionTreeClassifier(random_state=42)
clf = clf.fit(X_train, y_train)

# Fazer previsões com o conjunto de teste
y_pred = clf.predict(X_test)

# Calcular a acurácia do modelo
accuracy = accuracy_score(y_test, y_pred)
print(f"Acurácia do modelo: {accuracy:.2f}")

Acurácia do modelo: 0.98

# Plotar a árvore de decisão
plt.figure(figsize=(120, 80))  # Aumentei o tamanho da figura para melhor visualização
plot_tree(clf, feature_names=X.columns, class_names=['Não Suicídio', 'Suicídio'], filled=True)
plt.show()